10 月 22 日，2026 科大讯飞全球 1024 开发者节在北京国家会议中心二期举行。科大讯飞董事长刘庆峰在约两个小时的主论坛演讲后，围绕国产算力、端云协同、商业化落地和 AI 治理接受了媒体群访。

他的表述非常直接：国产算力仍有差距，但必须在国产平台上完成训练；大模型不能只停留在个人提效，必须嵌入企业流程；而 AI 带来的就业冲击，可能比 " 模型失控 " 更紧迫。

国产算力：差距仍在，但必须做训练

刘庆峰承认，当前国产算力与国际顶尖水平仍有接近两代差距，尤其是单卡算力、显存带宽和训练生态仍不完善。很多厂商目前更多是在国产算力上做推理，真正在国产平台上完成完整预训练的不多。

但他强调：" 只有真正地在国产算力上训练出自己的模型，才是真的自主可控。" 在他看来，全栈自主可控至少包括四层：算力必须能完成训练，算法必须持续创新，数据必须能自主获取和清洗，还要具备面向场景的软硬一体化能力。

讯飞此次发布的端云一体讯飞星火 X2.6，正是这一路线的最新版本。它首次基于全国产算力完成超长上下文代码与智能体任务训练，训练效率提升约 4 倍，推理效率提升约 4.5 倍。刘庆峰预测，随着国产芯片和生态进步，这一差距有望在未来两年拉平。

他呼吁更多厂商加入国产算力训练生态。" 我们并不希望讯飞是唯一在国产算力上做训练的。" 他说，适配成本高，如果更多企业一起投入，才能分摊沉没成本，避免动辄几十亿、上百亿的无效投入。

端云协同：60% 留在端侧，解决 " 怕泄密、怕太贵 "

刘庆峰把大模型落地中的矛盾概括为两件事：企业怕数据泄露，也怕 Token 成本太高。他的解法是端云一体：不是把云端模型无限做大，而是让端侧承担更多日常任务，云端只处理最复杂的问题。

按照他的规划，未来约 60% 的应用可以在本地端侧完成，数据不出端，推理成本为零；30% 通过端云协同完成；剩下 10% 交给云端大模型处理。讯飞新发布的端云路由准确率已达到 96.1%，系统会根据任务难度、设备能力和数据安全需求，自动分配执行路径。

这也解释了讯飞为何同时发布 4B 端侧模型。刘庆峰认为，端侧小模型不能脱离强云端基座，必须通过云指导端、端云联合训练，才能既安全又具备持续迭代能力。

商业化：优选 G 端，做深 B 端，做强 C 端

谈到讯飞当前业务阶段，刘庆峰没有用 " 全面爆发 " 这样的表述。他认为，底座模型仍处于快速探索阶段，但教育等场景已从 0 到 1 走向 1 到 10。

后续策略是 " 优选 G 端、做深 B 端、做强 C 端 "。G 端优先选择付费能力明确、价值清晰的场景；B 端通过讯飞星帆 WinWork 数字员工平台，把大模型嵌入风控、合同审查、采购寻源、商机评审等真实流程；C 端则继续强化学习机、办公本、AI 眼镜、AIPC 等产品。

他还特别提到，AI 目前更多带来个人提效，但企业级提效仍不足。WinWork 的目标是让数字员工 " 读懂业务、嵌入流程、与真实员工协同 "，从而把组织提效从 20% 以上提升到 50% 以上。

AI 治理：比模型失控更迫切的是就业分流

在技术之外，刘庆峰也谈到了 AI 的社会影响。他认为，模型自我意识、失控风险值得研究，但目前更紧迫的问题是岗位被快速替代后的社会保障。

他估计，未来 5 到 10 年，社会所需的生产和服务可能只需要 10% 到 20% 的人完成。届时，劳动力分流、工作时长调整、新职业定义和社会保障体系都需要重新设计。这也是他今年两会建议的重点之一：建立社会兜底保障，缩短工作时长，重新定义工作的社会价值。

在刘庆峰的发言里，很少出现 " 遥遥领先 "" 颠覆一切 " 式的表达。他更愿意用 " 长跑 " 来形容人工智能发展，并多次提到要避免无效投入、控制资本开支。

这背后，既有科大讯飞作为老牌 AI 公司的谨慎，也有它对国产算力路线的现实判断：不回避差距，但坚持训练；不盲目堆参数，但要把端侧做透；不回避就业冲击，但主张用制度去承接。

对投资者而言，接下来值得继续跟踪科大讯飞的不只是星火 X2.6 的模型指标，还包括端云协同能否真正降低企业 Token 成本、WinWork 在 B 端场景中的复购情况，以及国产算力生态是否如他所判断的那样在未来两年明显成熟。